Приведено решение задачи порождения модели оптимальной структуры при восстановлении нелинейной регрессии. Порождается набор конкурирующих моделей, регрессионная выборка разбивается на обучающую и тестовую, параметры моделей оцениваются на обучающей выборке. Выбирается модель, максимизирующая коэффициент детерминации на тестовой выборке. Исследуются методы порождения моделей различных классов: линейных, нейросетей и существенно-нелинейных. Предлагается единый алгоритм их порождения. В качестве иллюстрации предложенного подхода рассматривается задача восстановления поверхности волатильности биржевых опционов. Ключевые слова: нелинейная регрессия, символьная регрессия, индуктивное порождение, сложность моделей, биржевые опционы, волатильность
